Questa pagina descrive le interfacce che puoi utilizzare per interagire con Vertex AI e quando dovresti utilizzarle. Puoi utilizzare queste interfacce insieme a una delle soluzioni notebook di Vertex AI.
Alcune operazioni di Vertex AI sono disponibili solo tramite interfacce specifiche, quindi potresti dover passare da un'interfaccia all'altra durante il flusso di lavoro. Ad esempio, in Vertex AI Experiments devi utilizzare l'API per registrare i dati in un esperimento eseguito, ma puoi visualizzare i risultati nella console.
Console
La console Google Cloud è una Graphic User Interface che puoi utilizzare per lavorare con le tue risorse di machine learning.
Nella console Google Cloud, puoi gestire i tuoi set di dati gestiti, modelli, endpoint e job. Tramite la console puoi anche accedere ad altri servizi Google Cloud, come Cloud Storage e BigQuery.
Utilizza la console Google Cloud se preferisci visualizzare e gestire le risorse e le visualizzazioni di Vertex AI tramite una Graphic User Interface.
Per saperne di più, consulta la pagina Dashboard della sezione Vertex AI:
gcloud
L'interfaccia a riga di comando (CLI) di Google Cloud è un insieme di strumenti per la creazione e la gestione delle risorse Google Cloud utilizzando il comando gcloud.
Utilizza Google Cloud CLI quando vuoi gestire le tue risorse Vertex AI dalla riga di comando o tramite script e altre funzionalità di automazione.
Per maggiori informazioni, consulta Installare gcloud CLI e il riferimento di gcloud ai.
Terraform
Terraform è uno strumento Infrastructure as Code (IaC) che puoi utilizzare per eseguire il provisioning dell'infrastruttura, ad esempio risorse e autorizzazioni, per più servizi Google Cloud, tra cui Vertex AI.
Puoi definire le risorse e le autorizzazioni di Vertex AI per il tuo progetto Google Cloud in un file di configurazione Terraform. Puoi quindi utilizzare Terraform per applicare la configurazione al tuo progetto creando nuove risorse e aggiornando quelle esistenti.
Utilizza Terraform se vuoi standardizzare l'infrastruttura per le risorse Vertex AI nel tuo progetto Google Cloud e aggiornare l'infrastruttura del progetto Google Cloud esistente soddisfacendo le dipendenze delle risorse.
Per iniziare, consulta la pagina relativa al supporto di Terraform per Vertex AI.
Python
Utilizza l'SDK Vertex AI per Python per automatizzare in modo programmatico il flusso di lavoro di Vertex AI.
L'SDK Vertex AI per Python è simile alla libreria client Python di Vertex AI, con la differenza che l'SDK è di livello superiore e meno granulare. Per ulteriori informazioni, consulta Comprendere le differenze tra SDK e libreria client.
Per iniziare, consulta Installare l'SDK Vertex AI.
Librerie client
Le librerie client utilizzano le convenzioni naturali di ogni linguaggio supportato per chiamare l'API Vertex AI e ridurre il codice boilerplate che devi scrivere.
Per Vertex AI sono supportati i seguenti linguaggi:
in Python. La libreria client Python di Vertex AI viene installata quando installi l'SDK Vertex AI per Python.
Java
Node.js
C#
Go
Per maggiori informazioni, vedi Installare le librerie client di Vertex AI.
REST
L'API REST Vertex AI fornisce servizi RESTful per la gestione di job, modelli ed endpoint e per fare previsioni con modelli ospitati su Google Cloud.
Utilizza l'API REST se devi usare le tue librerie per chiamare l'API Vertex AI dalla tua applicazione.
Per iniziare, consulta il riferimento REST dell'API Vertex AI.
Passaggi successivi
- Configurazione di un progetto e di un ambiente di sviluppo.
- Scelta di un metodo di addestramento.
- Tutorial per i tipi di dati Immagine, Testo, Tabulare, Video e Addestramento personalizzato.
- Scopri le best practice per l'implementazione di modelli ML con addestramento personalizzato su Vertex AI.